Python Flask 封装ChatGPT流式输出接口

首先, 恭喜你搜到了这篇文章, 因为, 我解决这个问题时, 也搜了很久的博客, 结果都无法正确实现

截至今日, 快有半年博客没有更新了, 今天忙里偷闲, 将最近在忙的事情做一个总结

之前搞了个域名, 做了个chatgpt的工具站, 欢迎大家体验, 可以评论区留下宝贵建议: www.ktatom.com

封装chatgpt的流式输出时, 碰到不少问题, 长话短说, 使用flask封装的代码如下:

@self.blue_print.route('/tool/chatgpt/stream_qa', methods=['POST']) def chatgpt_stream_qa(): from flask import request, Response '''ChatGPT Prompt''' logger.info('ChatGPT Prompt') openai.api_key = "自己的key" messages = request.json.get('messages', []) response = openai.ChatCompletion.create( model="gpt-3.5-turbo", messages=messages, temperature=0.7, stream=True, timeout=20 ) def generate(): for trunk in response: yield json.dumps(trunk) + '\n' headers = { 'Content-Type': 'text/event-stream', 'Cache-Control': 'no-cache', 'X-Accel-Buffering': 'no', } return Response(generate(), mimetype="text/event-stream", headers=headers)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25

起初没有加headers参数, 结果是一段一段输出, 各位可以试一下不传headers的效果

header参数解析(来自ChatGPT):

1、'Content-Type': 'text/event-stream' 这个参数指定了请求的内容类型。在这种情况下，'text/event-stream' 表示请求的内容是事件流（event stream）。事件流是一种在HTTP连接上持续发送事件的机制，通常用于服务器向客户端推送实时数据或事件。通过设置为 'text/event-stream'，服务器可以告知客户端响应的内容遵循事件流的格式。 2、'Cache-Control': 'no-cache' 这个参数控制缓存的行为。'no-cache' 告诉客户端不要缓存响应，每次都要从服务器获取最新的内容。这可以确保客户端获得实时更新的事件流数据，而不是使用缓存的旧数据。 3、'X-Accel-Buffering': 'no' 这个参数是非标准的自定义头部，通常用于特定的服务器配置。在这种情况下，'X-Accel-Buffering' 设置为 'no' 表示服务器禁用了加速缓冲（accelerated buffering）。加速缓冲是一种在服务器和客户端之间缓冲响应数据的机制，以提高性能和吞吐量。通过禁用加速缓冲，服务器可以实现更实时的事件流传输，避免数据在缓冲区中滞留。 这些参数的设置可以根据具体需求进行调整，上述设置适用于需要实时推送事件流的情况，并确保客户端获得最新数据而不受缓存或缓冲的影响。

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10

此处特别感谢@临枫541同学, 前端代码都是由该同学完成, 目前大二, 实力十分强悍, 手动打call